CN119512100A 结合人工势场与强化学习的机器人路径规划与避障方法 （天津大学）_第1页
CN119512100A 结合人工势场与强化学习的机器人路径规划与避障方法 （天津大学）_第2页
CN119512100A 结合人工势场与强化学习的机器人路径规划与避障方法 （天津大学）_第3页
CN119512100A 结合人工势场与强化学习的机器人路径规划与避障方法 （天津大学）_第4页
CN119512100A 结合人工势场与强化学习的机器人路径规划与避障方法 （天津大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

结合人工势场与强化学习的机器人路径规本发明公开了结合人工势场与强化学习的行传感器数据采集与融合；进行环境复杂性评22.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其3.根据权利要求2所述的结合人工势场与强化学习的机器人路径规划与避障方法，其静态物体和提供路径规划数据时发挥作用；4.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其5.根据权利要求4所述的结合人工势场与强化学习的机器人路径规划与避障方法，其36.根据权利要求5所述的结合人工势场与强化学习的机器人路径规划与避障方法，其7.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其8.根据权利要求1所述的结合人工势场与强化学习的机器人路径规划与避障方法，其9.根据权利要求8所述的结合人工势场与强化学习的机器人路径规划与避障方法，其4[0004]当前，机器人路径规划与避障的主流方法主要依赖单一传感器，如激光雷达间布局方面表现出色。然而，激光雷达在光[0007]红外感应器：红外感应器在低光或光线变化较大的环境中能够有效探测温度差[0010]路径规划算法如Dijkstra算法、A*算法、人工势场法(ArtificialPotentialField,APF)和快速探索随机树(Rapid_exploringRandomTree,RRT)等被广泛应用于机器5了智能体在动态环境中的决策效率和路径分[0017]本发明的技术方案是：结合人工势场与强化学习的机器探测静态物体和提供路径规划数据时发挥作6[0041]ddensity为障碍物密集度，通过激光雷达检测到的障碍物数量和其分布范围来计[0046]更进一步的，步骤B中的切换条件通过设置阈值来决定全局规划和局部规划的切择机器人应采取的最优动作来避免碰撞并尽可能快7[0058]本发明通过引入自适应多尺度规划机制，机器人能够在全局与局部之间无缝切探测静态物体和提供路径规划数据时发挥作8[0086]ddensity为障碍物密集度，通过激光雷达检测到的障碍物数量和其分布范围来计[0091]步骤B中的切换条件通过设置阈值来决定全局规划和局部规划的切换，当指标超[0098]解决局部规划中机器人被局部障碍物的合力困住，无法继续向目标点移动的问9reprep[0135]最后，通过将引力场(目标点的吸引力)和斥力场(障碍物的排斥力)加入状态描)θ为深度神经网络的权重，用于描述在状态stt)是探索奖励函数；[0159]首先，优势函数A"(s,a,)反映了在给定状态下选择某一动作相较于其他动作的优t下的期望奖励值。[0175]相比其他算法，近端策略优化算法通过限制策略更新的幅度来保持学习的稳定[0183]本发明将机器人上集成的红外感应器的温度数据

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论